我有很多学生根据他们的分数被一些大学选中的数据。我是机器学习的新手。我能有一些建议吗？如何添加 Azure 机器学习来预测他们可以根据自己的分数获得的大学
问问题
819 次
8 回答
7
尝试多类逻辑回归 - 也看看这个https://gallery.cortanaanalytics.com/Experiment/da44bcd5dc2d4e059ebbaf94527d3d5b?fromlegacydomain=1
于 2015-11-18T19:28:33.430 回答
4
除了逻辑回归，正如@neerajkh 建议的那样，我也会尝试 One vs All classifiers。这种方法在多类问题（我假设你有很多输入，即学生的分数）和很多输出（不同的大学）中效果很好。
为了实现一对多算法，我将使用支持向量机(SVM)。它是最强大的算法之一（直到深度学习出现，但这里不需要深度学习）
如果您可以考虑更改框架，我建议使用 python 库。在python中，非常快速地计算您面临的问题非常简单。
于 2015-12-25T09:25:57.747 回答
1
使用随机森林树并将这个 ML 算法提供给 OneVsRestClassifer，它是一个多类分类器
于 2017-06-27T19:29:03.197 回答
0
最小二乘支持向量机 (LSSVM) 是此应用程序的强大算法。访问http://www.esat.kuleuven.be/sista/lssvmlab/了解更多信息。
于 2017-06-07T17:24:13.383 回答
0
你为什么不尝试softmax回归？
用非常简单的术语来说，Softmax 接受一个输入并产生属于你的每个类的输入的概率分布。因此，换句话说，基于一些输入（在这种情况下是成绩），您的模型可以输出代表给定学生必须被每所大学录取的“机会”的概率分布。
于 2016-05-27T04:29:05.817 回答
0
这是非常主观的。仅仅应用任何分类的算法都不是一个好主意。如果不执行探索性数据分析并检查以下内容，您将无法确定是否进行了预测分析，除了缺失值：
- 定量和定性变量。
- 单变量、双变量和多变量分布。
- 与您的响应（大学）变量的变量关系。
- 寻找异常值（多变量和单变量）。
- 必需的变量转换。
- 可以是将 Y 变量分解成块，例如位置，例如候选人是否可以是加利福尼亚或纽约大学的一部分。如果加州有更高的机会，那是什么大学。通过这种方式，您可以捕获线性 + 非线性关系。
对于基础学习者，您可以拟合 Softmax 回归模型或 1 vs all Logistic 回归，这并不重要，CART 用于非线性关系。我还会做 K-nn 和 K-means 来检查数据中的不同组并决定预测学习者。
我希望这是有道理的！
于 2017-06-04T15:11:10.560 回答
0
我知道这是一个旧线程，但我会继续添加我的 2 美分。
我建议添加多类、多标签分类器。这使您可以为学生找到不止一所大学。当然，使用 ANN 更容易做到这一点，但配置起来要困难得多（比如网络的配置；节点/隐藏节点的数量，甚至是激活函数）。
正如@Hoap Humanoid 建议的那样，最简单的方法是使用支持向量分类器。
要执行这些方法中的任何一种，您必须拥有一个多样化的数据集。我不能说您需要试验的数据点数量，但模型的准确性取决于数据点的数量及其多样性。
于 2016-07-08T15:57:28.993 回答
0
与其他发布者关于使用多类分类的建议保持一致，您可以使用人工神经网络 (ANN)/多层感知器来执行此操作。每个输出节点都可以是一所大学，因为您将使用 sigmoid 传递函数（逻辑），所以每个节点的输出可以直接视为该大学接受特定学生的概率（在尝试进行预测时）。
于 2016-04-26T19:00:40.817 回答